单样本、独立样本、配对样本三种 t 检验。粘贴数据自动算均值、标准差、t 值、p 值与结论，p 值直接对应「是否显著」。
单样本：t = (x̄−μ₀)/(s/√n)独立样本：t = (x̄₁−x̄₂)/√(s₁²/n₁+s₂²/n₂)配对：t = d̄/(s_d/√n)df = n−1 或 n₁+n₂−2两组数据用分号隔开；单样本只需填第一组并填总体均值 μ₀。
| 设计 | 类型 | 自由度 |
|---|---|---|
| 一组数据与已知均值比较 | 单样本 | n−1 |
| 两组独立对象比较 | 独立样本 | n₁+n₂−2 |
| 同一对象前后比较 | 配对样本 | n−1 |
p < 0.05 表示「如果两组真的没有差异，出现当前或更极端结果的概率小于 5%」，因此拒绝原假设，称差异有统计学意义。p ≥ 0.05 只能说「没有足够证据认为有差异」，不能说「两组一样」。
论文报告要写全：t(自由度) = 数值，p = 数值，并给出两组均值与标准差。只写「p<0.05」是不规范的。
独立样本是两组不同的人，配对样本是同一批人前后两次测量或一一配对的个体。
统计学上跨过了 0.05 这条线，但实质差异很小。不要机械地只看阈值，要结合效应量。
可以，独立样本 t 检验允许 n₁≠n₂，公式已按各自样本量计算标准误。
先检查录入错误。真实异常值可考虑剔除并说明，或改用非参数检验（Mann-Whitney U）。